圖像處理與分析教程 章毓晉 第12章

1、圖 像 處 理 和 分 析 教 程圖 像 處 理 和 分 析 教 程章毓晉章毓晉12-2第12章第第12章章 典型圖像分割算法典型圖像分割算法隨著各學科許多新理論和方法的提出，人們也提出了許多結(jié)合一些特定理論、方法和工具的分割技術(shù)圖像分割至今為止尚無通用的自身理論。所以，每當有新的數(shù)學工具或方法提出來，人們就試著將其用于圖像分割，因而提出了不少特殊的或者說有特色的分割算法介紹幾個具有比較特殊思路的典型方法 12-3第12章第第12章章 典型圖像分割算法典型圖像分割算法12.1 SUSAN檢測算子檢測算子12.2 主動輪廓模型主動輪廓模型12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)12.4 分水嶺

2、分割算法分水嶺分割算法12-4第12章USAN原理原理檢測模板的中心稱為“核”核同值區(qū)域核同值區(qū)域與核像素的灰度相同或相似的模板區(qū)域利用USAN面積的變化可檢測邊緣或角點 USAN面積較大（超過一半）時表明核像素處在圖像中的灰度一致區(qū)域，在模板核接近邊緣時該面積減少，而在接近角點時減少得更多，即在角點處面積取得最小值 12.1 SUSAN檢測算子檢測算子12-5第12章SUSAN算子邊緣檢測算子邊緣檢測邊緣檢測邊緣檢測SUSAN算子采用圓形模板來得到各向同性的響應。將模板內(nèi)每個像素的灰度值與核的灰度值進行比較游程和游程和 12.1 SUSAN檢測算子檢測算子0000001(,)( , )(,;

3、 , )0(,)( , )f xyf x yTC xyx yf xyf x yT當當0000( , )( , )(,)(,; , )x yN x yS xyC xyx y12-6第12章SUSAN算子邊緣檢測算子邊緣檢測將游程和S與一個固定的幾何閾值G進行比較，該閾值設為3Smax/4初始的邊緣響應R(x0, y0)根據(jù)下式得到：當圖像中有噪聲時，將閾值G設為3Smax/4可給出最優(yōu)的噪聲消除性能 12.1 SUSAN檢測算子檢測算子000000(,)(,)(,)0GS xyS xyGR xy其他如果12-7第12章邊緣方向的檢測邊緣方向的檢測將邊緣分成兩類來討論：區(qū)域A和B都對應同一類邊緣點

4、的情況，即邊緣都通過USAN區(qū)域的重心，只是模板核分別落在邊緣的兩邊。區(qū)域C對應模板核與USAN區(qū)域的重心位置相重合 12.1 SUSAN檢測算子檢測算子12-8第12章逐步改變封閉曲線的形狀以逼近圖像中目標的輪廓，也稱蛇模型蛇模型（Snake ）主動輪廓主動輪廓圖像上一組排序的點的集合處在輪廓上的點可通過解一個最小能量問題來迭代地逼近目標的邊界 12.2 主動輪廓模型主動輪廓模型1 , , LVvv(, ), 1, , iiivxyiLintext()()()iiiiE vEvEv12-9第12章設計能量函數(shù)設計能量函數(shù)內(nèi)部能量內(nèi)部能量用來推動主動輪廓形狀的改變并保持輪廓上點之間的距離不要太

5、遠或太近連續(xù)能量項連續(xù)能量項的作用是迫使不封閉的曲線變成直線，而迫使封閉的曲線變成圓環(huán)膨脹力膨脹力可用于閉合的變形輪廓上以強制輪廓在沒有外來影響的情況下擴展或收縮12.2 主動輪廓模型主動輪廓模型intconbal( )( )( )iiiEvcEvbEv12-10第12章設計能量函數(shù)設計能量函數(shù)外部能量外部能量將變形模板向感興趣的特征吸引圖像灰度能量函數(shù)圖像灰度能量函數(shù)為正將輪廓向低灰度區(qū)域移動，為負將輪廓將向高灰度區(qū)域移動 圖像梯度能量函數(shù)圖像梯度能量函數(shù)將變形輪廓吸向圖像中的邊緣 12.2 主動輪廓模型主動輪廓模型extmaggrad( )( )( )iiiEvmEvgEv12-11第12

6、章多分辨率閾值選取多分辨率閾值選取圖像在小波變換后可分解為一系列尺度不同的分量。圖像直方圖在小波變換后也可進行多分辨率分析首先利用在粗分辨率下的直方圖細節(jié)信息確定分割區(qū)域的類數(shù)，即檢測出真正的峰點和谷點確定類數(shù)后，可利用多分辨率的層次結(jié)構(gòu)在直方圖的相鄰峰之間確定最優(yōu)閾值，即對峰點和谷點進行較精確的定位 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)12-12第12章多分辨率閾值選取多分辨率閾值選取 (1)用從負值變化到正值的零交叉點確定峰的起點 (2)用從正值變化到負值的零交叉點確定峰的終點 (3)用起點和終點間的最大值點確定峰的位置 (4)用前一個峰的終點和后一個峰的起點間的最小值點確定這兩個峰

7、之間谷點的位置 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)12-13第12章類間最大交叉熵閾值類間最大交叉熵閾值交叉熵交叉熵一種用來度量兩個概率分布之間信息量差異的量，其對稱形式稱為對稱交叉熵類間最大交叉熵類間最大交叉熵閾值的選取要使目標與背景應有盡可能大的差異，可以用交叉熵來度量目標與背景間的差異12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)11:lnlnNNiiiiiiiipqD P Qpqqp12-14第12章類內(nèi)最小模糊散度閾值類內(nèi)最小模糊散度閾值模糊散度模糊散度可以表達圖像中的模糊性。它既能定量反映集合內(nèi)成員對該集合的隸屬程度，又能結(jié)合概率分布表征兩個集合之間的相似程度分割后得到的二值圖

8、中包含目標和背景當模糊散度最小時可以看作在模糊信息意義上分割圖最接近原始圖，所以可利用類內(nèi)最小模糊散度準則，窮舉搜索最優(yōu)分割閾值 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)12-15第12章借助過渡區(qū)選擇閾值借助過渡區(qū)選擇閾值實際數(shù)字圖像中的邊界是有寬度的，它本身也是圖像中的一個區(qū)域，一個特殊的區(qū)域。一方面它將不同的區(qū)域分隔開來，具有邊界的特點；另一方面，它面積不為零，具有區(qū)域的特點；可將這類特殊區(qū)域稱為過渡區(qū)先計算圖像中目標和背景間的過渡區(qū)，再進一步選取分割閾值12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)12-16第12章借助過渡區(qū)選擇閾值借助過渡區(qū)選擇閾值有效平均梯度有效平均梯度在計算EAG

9、時只用到梯度非零的像素，除去了零梯度像素的影響，因此稱為“有效”梯度。EAG是圖中非零梯度像素的平均梯度，它代表了圖像中一個有選擇的統(tǒng)計量 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)TGEAGTP,TG( , )i jg i jZ,TP( , )i jp i jZ12-17第12章借助過渡區(qū)選擇閾值借助過渡區(qū)選擇閾值剪切變換剪切變換把被剪切了的部分設成剪切值，避免了一般剪切在剪切邊緣造成大的反差而產(chǎn)生的不良影響高端剪切高端剪切低端剪切低端剪切 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)high ( , )( , )( , ) ( , )Lf i jLfi jf i jf i jL當當low(

10、, ) ( , )( , ) ( , )f i jf i jLfi jLf i jL當當12-18第12章借助過渡區(qū)選擇閾值借助過渡區(qū)選擇閾值有效平均梯度的極值點有效平均梯度的極值點典型的EAGhigh(L)和EAGlow(L)曲線都是單峰曲線，即它們都各有一個極值EAGhigh(L) 的極值點EAGlow(L)的極值點 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)highhighargEAG( ) maxLLLlowlowargEAG( ) maxLLL12-19第12章借助過渡區(qū)選擇閾值借助過渡區(qū)選擇閾值EAGhigh(L)和EAGlow(L)曲線的極值點對應圖像灰度值集合中的兩個特殊值，它

11、們在灰度值上限定了過渡區(qū)的范圍可借用過渡區(qū)來幫助選取閾值，如可取過渡區(qū)內(nèi)像素的平均灰度值或過渡區(qū)內(nèi)像素的直方圖的極值 12.3 特色的取閾值技術(shù)特色的取閾值技術(shù)過渡區(qū)LhighlowL背景目標T12-20第12章分水嶺分水嶺可借助地形學概念進行討論要阻止水匯合，就需在山峰上修筑水壩，且水壩的高度要隨水位的上升而增高12.4 分水嶺分割算法分水嶺分割算法12-21第12章分水嶺計算步驟分水嶺計算步驟分水嶺計算的思路即逐漸增加一個灰度閾值，每當它大于一個局部極大值時，就把當時的二值圖像（只區(qū)分陸地和水域，即大于灰度閾值和小于灰度閾值兩部分）與前一個時刻（即灰度閾值上一個值的時刻）的二值圖像進行邏輯異或（XOR）操作，從而確定出灰度局部極大值的位置。根據(jù)所有灰度局部極大值的位置集合就可確定分水嶺 12.4 分水嶺分割算法分水嶺分割算法12-22第12章分水嶺計算步驟分水嶺計算步驟將n逐漸增大，對處于平面 n以下的像素，用“與”操作將和最低點Mi對應的那些像素提取出來如果n繼續(xù)增加，不同的區(qū)域?qū)B通，這時就需要建分水嶺